Есть мнение из лагеря Clojure, что проблема не в DRY самом по себе, а в DRY + мейнстрим ООП.
То есть DRY + наследование кода, жестко привязанное к иерархии.
Как результат, ваш «вариант через прямую агрегацию» весьма напоминает функциональное решение проблемы. В функциональном варианте аналог «стратегии» был бы первоклассной функцией, передаваемой как параметр.
Обычно изменяют случайное или заданное изображение методом градиентного спуска так, чтобы усилить сигнал выбранных нейронов сети.
Структура современных сверточных нейронных сетей склоняет сети запоминать кусочки образа, игнорируя расстояние между ними, до тех пор пока они достаточно близко друг к другу. В итоге, упрощенно говоря, при попытках восстановить «кошачью морду», сеть рисует два глаза, нос, усы и т.п. А вот в каком порядке и на каком расстоянии друг от друга она их расположит, ее не волнует.
Не знаю, что имеется в виду под «минус возможности AE» в Caffe, но с ним как минимум идет демонстрация автоенкодера для MNIST: mnist_autoencoder.prototxt
Понял, что меня смущает. Попробую сумбурно изложить.
Выше приводился аргумент, что в конечном итоге результат интепретируется человеком: «выход этого нейрона похож на кошку, а это — непонятная смесь, а это — поворот птицы».
Не будут ли из-за различий подходов предлагаться человеку принципиально разные «пятна Роршара»? В итоге, идеальный образ нейрона/ групп синапсов в одном случае хорошо согласуется с тем, что у людей в голове, а в другом — хуже.
Не могу понять, почему сеть, натренированную на одной единственной картинке можно сравнивать с сетью, обученной на многих картинках.
Интуитивно кажется, что раз гугловцы, условно говоря, искали нейрон кошки, то есть многократно повторяющийся семантический признак во входных данных, то для единственной картинки следует искать что-то типа «нейрона часто встречаемых контурных участков».
Еськов в «Истории Земли и жизни на ней» пишет, что «широкие» субтропики были из-за того, что материки не блокировали океанские течения так сильно как сейчас.
Так что, ИМХО, потепление грозит скорее сдвигом субтропиков и расширением пустынь.
www.who.int/features/qa/cancer-red-meat/en
Наблюдали за состоянием имунной системы и зафиксировали, что оно сильно улучшилось [1]
По моему практическому опыту, правильное лечебное голодание заметно улучшает самочувствие.
[1] www.medicaldaily.com/fasting-diet-leads-healthier-aging-and-immune-system-improvements-316246
То есть DRY + наследование кода, жестко привязанное к иерархии.
Как результат, ваш «вариант через прямую агрегацию» весьма напоминает функциональное решение проблемы. В функциональном варианте аналог «стратегии» был бы первоклассной функцией, передаваемой как параметр.
Вот здесь, например, обсуждают тему: Болят глаза от ноутбука. Качество матриц в ноутах.
(англ.) Johanna Budwig
Структура современных сверточных нейронных сетей склоняет сети запоминать кусочки образа, игнорируя расстояние между ними, до тех пор пока они достаточно близко друг к другу. В итоге, упрощенно говоря, при попытках восстановить «кошачью морду», сеть рисует два глаза, нос, усы и т.п. А вот в каком порядке и на каком расстоянии друг от друга она их расположит, ее не волнует.
Выше приводился аргумент, что в конечном итоге результат интепретируется человеком: «выход этого нейрона похож на кошку, а это — непонятная смесь, а это — поворот птицы».
Не будут ли из-за различий подходов предлагаться человеку принципиально разные «пятна Роршара»? В итоге, идеальный образ нейрона/ групп синапсов в одном случае хорошо согласуется с тем, что у людей в голове, а в другом — хуже.
Интуитивно кажется, что раз гугловцы, условно говоря, искали нейрон кошки, то есть многократно повторяющийся семантический признак во входных данных, то для единственной картинки следует искать что-то типа «нейрона часто встречаемых контурных участков».
Так что, ИМХО, потепление грозит скорее сдвигом субтропиков и расширением пустынь.